{"id":82322,"topic":"ai","source":"新浪网","title":"“黑箱危机”开始蔓延，“三大厂”齐呼AI减速 - 新浪网","url":"https://finance.sina.cn/stock/jdts/2026-09-14/detail-iniruxus9364783.d.html?vt=4&cid=76993&node_id=76993","url_hash":"a215c236cd14e8666c9c2a847291144a21cef08a","author":"","summary":"“黑箱危机”开始蔓延，“三大厂”齐呼AI减速 新浪网","content":"“黑箱危机”开始蔓延，“三大厂”齐呼AI减速\n（来源：21世纪经济报道）\n21世纪经济报道记者 赵云帆\n9月14日，全球算力股盘前集体下挫，SK海力士跌超6%，英特尔、美光、AMD与闪迪均跌超4%，英伟达跌超2%。\n突如其来的市场抛压，或归因于三家头部AI厂商对前沿AI大模型迭代的叫停，以及部分大模型企业声称暂缓IPO。\n9月12日，Anthropic首席执行官达里奥·阿莫迪发表长文《我们必须为前沿定速》，主张以第三方永久“员工级”系统访问、检查点和国际协调等手段，放缓最强模型迭代。\n随后，OpenAI首席执行官山姆·奥尔特曼在接受媒体采访时回应“同意定速前沿”，并明确2026年不推进IPO，称安全与对齐未完成前上市“不明智”。\n与此同时，xAI及SpaceX创始人埃隆·马斯克转评“达里奥说得对”，三方罕见形成减速共识。\n9月14日，市场消息显示，包括OpenAI、Anthropic在内的北美头部AI公司已经实际举行会晤，拟对第三方监管机制进行敲定。\n一时间，“AI减速论”成为科技圈最热门的话题。\n“黑箱危机”引发前沿模型不可控担忧\n当前沿模型研究问题的速度快于人们理解它的速度，而前沿模型又不打算等待人类的时候，AI的进步将变成一个失控的黑匣子。\n9月，OpenAI宣布其内部前沿模型（并非GPT-6 Astra）通过约1万个并发AI智能体运行约88个小时，解决了被称为千禧年大奖难题的纳维-斯托克斯存在性与光滑性问题。\n然而在对OpenAI近百页的证明过程进行校验时，人们发现，虽然人类可以通过工具检查形式化结果，但搜索过程、中间推理以及为何选择特定路径的思维过程却完全不可见。\n就在OpenAI发布这一研究结果之后，OpenAI被纽约大学数学家Tristan Buckmaster和Anthropic员工Levent Alpoge指责剽窃，两人声称，在使用OpenAI旗下大模型进行相关研究时，他们向模型传输了其研究路径，而OpenAI则盗用了他们的想法，并最终完成了以上问题的证明。\n对此，OpenAI否认看到未发表的研究工作，但承认是在听到Anthropic进行相关研究后启动了该研究，也不否认两人的工作可能优化了OpenAI的底层知识库。\n随后，该事件在数日内演变为整个科技圈和学术圈的热门话题。业内将其描述为对数学的“存在性转变”，认为人类可能失去对数学研究的优先权，并破坏协作文化。\n紧接着，9月11日，包括陶哲轩、邓煜在内的25位菲尔兹奖得主发表联合声明，警告称AI与数学正在出现严重错位，认为解题过程中的洞察与概念理解被AI淹没，将导致数学研究面临断层。\n在此之前，AI黑箱问题已经在某些领域初露端倪。\n比如，AI目前正朝着简化与去注释化的方向演进。一些研究发现，减少AI输入输出内容中的空格数量和格式代码，减少严谨书面语并全面改用简写，可以将词元消耗数量减少20%~40%。\n由于当前AI大厦的地基——Transformer架构采用的是并行计算，这意味着任何减少上下文的做法都会带来快速递增的边际效益，而让人类方便理解的书写惯例正在被AI批量抛弃——对于AI来说，无时无刻不在影响着其达成目标的效率。\n而从AI经济学的角度来看，人类可能又无法拒绝高达30%的词元节省。\n除此之外，在设定的目标之下，AI模型还会利用修改自我评估、分散用户对错误的注意力等方式绕过受控测试。今年7月，OpenAI披露了一起备受关注的攻击事件，该公司旗下模型为解决一项网络安全问题，通过一系列手段欺骗并削弱了模型的安全护栏，成功攻击了模型托管网站Hugging Face。\n在实际应用中，“黑箱”问题更可能导致严重的后果。\n今年4月，一则关于AI在阿尔茨海默病诊断中的应用案例被广泛讨论：一个名叫Solanki的定制诊疗智能体可以通过阅读病人影像资料来帮助确诊，准确度甚至高于资深医生，但是Solanki无法给医生解释这些结果。\n这构成了一个悖论：我们知道AI的结果也许更可靠，但我们仍不能直接使用它。\nRSI：让AI彻底黑箱化？\n值得注意的是，直到今年上半年为止，大模型企业依然通过人工干预预训练和后训练，利用人为编辑的智能体工具Codex、Claude Code等方式来提升模型的表现。\n但到了下半年，AI企业不再满足于依靠纯人力来提升AI模型的表现。\n今年，Anthropic、OpenAI等公司已经明确表示，他们正在利用“模型研究模型”的方式实现模型迭代。Anthropic声称，旗下大模型Claude已经撰写了其代码库超过80%的代码。\n按照其预判，大模型真正利用RSI（自我递归改进）进行迭代，将在一到两年内实现。\n所谓“RSI”是指AI系统通过自身输出或反馈循环，持续优化其能力、推理或对齐水平，而无需完全依赖人类标注。而与人类训练最大的区别在于，RSI完全以AI来锁定模型迭代的奖励机制，并利用博弈性的强化学习在对抗或协作环境中反复对弈，自动发现策略盲区。\n然而，让AI完成完全自主的训练，相当于剪断了人类对AI大模型最后的控制线：大模型评价的伦理权重何时会让位于效率，改进效果是否会假装对齐，人类将一无所知。\n今年，Anthropic联合创始人杰克·克拉克表示，今天的对齐技术在RSI下可能崩溃，因为AI系统会比人类聪明太多，微小的错误会在循环中累积，并在几十代后导致AI大模型失控。\n而事实上，早在一年前，达里奥就在《可解释性的紧迫性》文章中反复强调，当前人类工程师只能理解模型内部的极小一部分。而一旦RSI加速，大模型提升速度可能远超可解释性进步的速度。他呼吁，在真正让RSI主导模型训练之前，加强对可解释性研究的投入，并对RSI的进度进行限速。\n不过，从目前模型迭代的进度来看，RSI的使用并没有被限制。\n以华尔街视角来看，RSI正在成为算力基础设施投资的新叙事，部分投行认为，若前沿实验室相信“更大规模仍能换来更强模型”，OpenAI、Anthropic、xAI、SSI及Neo-Cloud会接棒传统云厂成为算力资本开支的主力军，持续拉动GPU、存储、光互连与电力设备的需求。","image_url":"https://n.sinaimg.cn/spider20260914/232/w660h372/20260914/3090-13b9b2ab77f38a50535f6716680fb31c.jpg","lang":"zh","published_at":"2026-09-14T11:03:24+00:00","fetched_at":"2026-09-14T21:15:08+00:00","status":"read","starred":0,"extract_state":"ok","summary_auto":"“黑箱危机”开始蔓延，“三大厂”齐呼AI减速\n（来源：21世纪经济报道）\n21世纪经济报道记者 赵云帆\n9月14日，全球算力股盘前集体下挫，SK海力士跌超6%，英特尔、美光、AMD与闪迪均跌超4%，英伟达跌超2%。\n突如其来的市场抛压，或归因于三家头部AI厂商对前沿AI大模型迭代的叫停，以及部分大模型企业声称暂缓IPO。\n9月12日，Anthropic首席执行官达里奥·阿莫迪发表长文《我们必须为前沿定速》，主张以第三方永久“员工级”系统访问、检查点和国际协调等手段，放缓最强模型迭代。\n随后，OpenAI首席执行官山姆·奥尔特曼在接受媒体采访时回应“同意定速前沿”，并明确2026年不推进IPO，称安全与对齐未完成前上市“不明智”。\n与此同时，xAI及SpaceX创始人埃隆·马斯克转评“达里奥说得对”，三方罕见形成减速共识。\n9月14日，市场消息显示，包括OpenAI、Anthropic在内的北美头部AI公司已经实际举行会晤，拟对第三方监管机制进行敲定。\n一时间，“AI减速论”成为科技圈最热门的话题。\n“黑箱危机”引发前沿模型不可控担忧\n当前沿模型研究问题的速度快于人们理解它的速度，而前沿模型又不打算等待人类的时候，AI的进步将变成一个失控的黑匣子。\n9月，OpenAI宣布其内部前沿模型（并非GPT-6 Astra）通过约1万个并发AI智能体运行约88个小时，解决了被称为千禧年大奖难题的纳维-斯托克斯存在性与光滑性问题。\n然而在对OpenAI近百页的证明过程进行校验时，人们发现，虽然人类可以通过工具检查形式化结果，但搜索过程、中间推理以及为何选择特定路径的思维过程却完全不可见。\n就在OpenAI发布这一研究结果之后，OpenAI被纽约大学数学家Tristan Buckmaster和Anthropic员工Levent Alpoge指责剽窃，两人声称，在使用OpenAI旗下大模型进行相关研究时，他们向模型传输了其研究路径，而OpenAI则盗用了他们的想法，并最终完成了以上问题的证明。\n对此，OpenAI否认看到未发表的研究工作，但承认是在听到Anthropic进行相关研究后启动了该研究，也不否认两人的工作可能优化了OpenAI的底层知识库。\n随后，该事件在数日内演变为整个科技圈和学术圈的热门话题。业内将其描述为对数学的“存在性转变”，认为人类可能失去对数学研究的优先权，并破坏协作文化。\n紧接着，9月11日，包括陶哲轩、邓煜在内的25位菲尔兹奖得主发表联合声明，警告称AI与数学正在出现严重错位，认为解题过程中的洞察与概念理解被AI淹没，将导致数学研究面临断层。\n在此之前，AI黑箱问题已经在某些领域初露端倪。\n比如，AI目前正朝着简化与去注释化的方向演进。一些研究发现，减少AI输入输出内容中的空格数量和格式代码，减少严谨书面语并全面改用简写，可以将词元消耗数量减少20%~40%。\n由于当前AI大厦的地基——Transformer架构采用的是并行计算，这意味着任何减少上下文的做法都会带来快速递增的边际效益，而让人类方便理解的书写惯例正在被AI批量抛弃——对于AI来说，无时无刻不在影响着其达成目标的效率。\n而从AI经济学的角度来看，人类可能又无法拒绝高达30%的词元节省。\n除此之外，在设定的目标之下，AI模型还会利用修改自我评估、分散用户对错误的注意力等方式绕过受控测试。今年7月，OpenAI披露了一起备受关注的攻击事件，该公司旗下模型为解决一项网络安全问题，通过一系列手段欺骗并削弱了模型的安全护栏，成功攻击了模型托管网站Hugging Face。\n在实际应用中，“黑箱”问题更可能导致严重的后果。\n今年4月，一则关于AI在阿尔茨海默病诊断中的应用案例被广泛讨论：一个名叫Solanki的定制诊疗智能体可以通过阅读病人影像资料来帮助确诊，准确度甚至高于资深医生，但是Solanki无法给医生解释这些结果。\n这构成了一个悖论：我们知道AI的结果也许更可靠，但我们仍不能直接使用它。\nRSI：让AI彻底黑箱化？\n值得注意的是，直到今年上半年为止，大模型企业依然通过人工干预预训练和后训练，利用人为编辑的智能体工具Codex、Claude Code等方式来提升模型的表现。\n但到了下半年，AI企业不再满足于依靠纯人力来提升AI模型的表现。\n今年，Anthropic、OpenAI等公司已经明确表示，他们正在利用“模型研究模型”的方式实现模型迭代。Anthropic声称，旗下大模型Claude已经撰写了其代码库超过80%的代码。\n按照其预判，大模型真正利用RSI（自我递归改进）进行迭代，将在一到两年内实现。\n所谓“RSI”是指AI系统通过自身输出或反馈循环，持续优化其能力、推理或对齐水平，而无需完全依赖人类标注。而与人类训练最大的区别在于，RSI完全以AI来锁定模型迭代的奖励机制，并利用博弈性的强化学习在对抗或协作环境中反复对弈，自动发现策略盲区。\n然而，让AI完成完全自主的训练，相当于剪断了人类对AI大模型最后的控制线：大模型评价的伦理权重何时会让位于效率，改进效果是否会假装对齐，人类将一无所知。\n今年，Anthropic联合创始人杰克·克拉克表示，今天的对齐技术在RSI下可能崩溃，因为AI系统会比人类聪明太多，微小的错误会在循环中累积，并在几十代后导致AI大模型失控。\n而事实上，早在一年前，达里奥就在《可解释性的紧迫性》文章中反复强调，当前人类工程师只能理解模型内部的极小一部分。而一旦RSI加速，大模型提升速度可能远超可解释性进步的速度。他呼吁，在真正让RSI主导模型训练之前，加强对可解释性研究的投入，并对RSI的进度进行限速。\n不过，从目前模型迭代的进度来看，RSI的使用并没有被限制。\n以华尔街视角来看，RSI正在成为算力基础设施投资的新叙事，部分投行认为，若前沿实验室相信“更大规模仍能换来更强模型”，OpenAI、Anthropic、xAI、SSI及Neo-Cloud会接棒传统云厂成为算力资本开支的主力军，持续拉动GPU、存储、光互连与电力设备的需求。","cluster_id":3509418,"extract_retries":0,"extract_error":null,"contract_version":"news_item.v1","format_contract_version":"news_item_formats.v1","dedup_url":"https://finance.sina.cn/stock/jdts/2026-09-14/detail-iniruxus9364783.d.html?vt=4&cid=76993&node_id=76993","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 2508 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":2508,"summary_length":2508,"usable_text_length":2508,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":2508,"summary_length":2508}},"news_item":{"id":82322,"canonical_url":"https://finance.sina.cn/stock/jdts/2026-09-14/detail-iniruxus9364783.d.html?vt=4&cid=76993&node_id=76993","source_url":"https://finance.sina.cn/stock/jdts/2026-09-14/detail-iniruxus9364783.d.html?vt=4&cid=76993&node_id=76993","title":"“黑箱危机”开始蔓延，“三大厂”齐呼AI减速 - 新浪网","source_name":"新浪网","author":null,"published_at":"2026-09-14T11:03:24+00:00","locale":"zh","topic":"ai","tags":[],"rss_summary":"“黑箱危机”开始蔓延，“三大厂”齐呼AI减速 新浪网","full_text":"“黑箱危机”开始蔓延，“三大厂”齐呼AI减速\n（来源：21世纪经济报道）\n21世纪经济报道记者 赵云帆\n9月14日，全球算力股盘前集体下挫，SK海力士跌超6%，英特尔、美光、AMD与闪迪均跌超4%，英伟达跌超2%。\n突如其来的市场抛压，或归因于三家头部AI厂商对前沿AI大模型迭代的叫停，以及部分大模型企业声称暂缓IPO。\n9月12日，Anthropic首席执行官达里奥·阿莫迪发表长文《我们必须为前沿定速》，主张以第三方永久“员工级”系统访问、检查点和国际协调等手段，放缓最强模型迭代。\n随后，OpenAI首席执行官山姆·奥尔特曼在接受媒体采访时回应“同意定速前沿”，并明确2026年不推进IPO，称安全与对齐未完成前上市“不明智”。\n与此同时，xAI及SpaceX创始人埃隆·马斯克转评“达里奥说得对”，三方罕见形成减速共识。\n9月14日，市场消息显示，包括OpenAI、Anthropic在内的北美头部AI公司已经实际举行会晤，拟对第三方监管机制进行敲定。\n一时间，“AI减速论”成为科技圈最热门的话题。\n“黑箱危机”引发前沿模型不可控担忧\n当前沿模型研究问题的速度快于人们理解它的速度，而前沿模型又不打算等待人类的时候，AI的进步将变成一个失控的黑匣子。\n9月，OpenAI宣布其内部前沿模型（并非GPT-6 Astra）通过约1万个并发AI智能体运行约88个小时，解决了被称为千禧年大奖难题的纳维-斯托克斯存在性与光滑性问题。\n然而在对OpenAI近百页的证明过程进行校验时，人们发现，虽然人类可以通过工具检查形式化结果，但搜索过程、中间推理以及为何选择特定路径的思维过程却完全不可见。\n就在OpenAI发布这一研究结果之后，OpenAI被纽约大学数学家Tristan Buckmaster和Anthropic员工Levent Alpoge指责剽窃，两人声称，在使用OpenAI旗下大模型进行相关研究时，他们向模型传输了其研究路径，而OpenAI则盗用了他们的想法，并最终完成了以上问题的证明。\n对此，OpenAI否认看到未发表的研究工作，但承认是在听到Anthropic进行相关研究后启动了该研究，也不否认两人的工作可能优化了OpenAI的底层知识库。\n随后，该事件在数日内演变为整个科技圈和学术圈的热门话题。业内将其描述为对数学的“存在性转变”，认为人类可能失去对数学研究的优先权，并破坏协作文化。\n紧接着，9月11日，包括陶哲轩、邓煜在内的25位菲尔兹奖得主发表联合声明，警告称AI与数学正在出现严重错位，认为解题过程中的洞察与概念理解被AI淹没，将导致数学研究面临断层。\n在此之前，AI黑箱问题已经在某些领域初露端倪。\n比如，AI目前正朝着简化与去注释化的方向演进。一些研究发现，减少AI输入输出内容中的空格数量和格式代码，减少严谨书面语并全面改用简写，可以将词元消耗数量减少20%~40%。\n由于当前AI大厦的地基——Transformer架构采用的是并行计算，这意味着任何减少上下文的做法都会带来快速递增的边际效益，而让人类方便理解的书写惯例正在被AI批量抛弃——对于AI来说，无时无刻不在影响着其达成目标的效率。\n而从AI经济学的角度来看，人类可能又无法拒绝高达30%的词元节省。\n除此之外，在设定的目标之下，AI模型还会利用修改自我评估、分散用户对错误的注意力等方式绕过受控测试。今年7月，OpenAI披露了一起备受关注的攻击事件，该公司旗下模型为解决一项网络安全问题，通过一系列手段欺骗并削弱了模型的安全护栏，成功攻击了模型托管网站Hugging Face。\n在实际应用中，“黑箱”问题更可能导致严重的后果。\n今年4月，一则关于AI在阿尔茨海默病诊断中的应用案例被广泛讨论：一个名叫Solanki的定制诊疗智能体可以通过阅读病人影像资料来帮助确诊，准确度甚至高于资深医生，但是Solanki无法给医生解释这些结果。\n这构成了一个悖论：我们知道AI的结果也许更可靠，但我们仍不能直接使用它。\nRSI：让AI彻底黑箱化？\n值得注意的是，直到今年上半年为止，大模型企业依然通过人工干预预训练和后训练，利用人为编辑的智能体工具Codex、Claude Code等方式来提升模型的表现。\n但到了下半年，AI企业不再满足于依靠纯人力来提升AI模型的表现。\n今年，Anthropic、OpenAI等公司已经明确表示，他们正在利用“模型研究模型”的方式实现模型迭代。Anthropic声称，旗下大模型Claude已经撰写了其代码库超过80%的代码。\n按照其预判，大模型真正利用RSI（自我递归改进）进行迭代，将在一到两年内实现。\n所谓“RSI”是指AI系统通过自身输出或反馈循环，持续优化其能力、推理或对齐水平，而无需完全依赖人类标注。而与人类训练最大的区别在于，RSI完全以AI来锁定模型迭代的奖励机制，并利用博弈性的强化学习在对抗或协作环境中反复对弈，自动发现策略盲区。\n然而，让AI完成完全自主的训练，相当于剪断了人类对AI大模型最后的控制线：大模型评价的伦理权重何时会让位于效率，改进效果是否会假装对齐，人类将一无所知。\n今年，Anthropic联合创始人杰克·克拉克表示，今天的对齐技术在RSI下可能崩溃，因为AI系统会比人类聪明太多，微小的错误会在循环中累积，并在几十代后导致AI大模型失控。\n而事实上，早在一年前，达里奥就在《可解释性的紧迫性》文章中反复强调，当前人类工程师只能理解模型内部的极小一部分。而一旦RSI加速，大模型提升速度可能远超可解释性进步的速度。他呼吁，在真正让RSI主导模型训练之前，加强对可解释性研究的投入，并对RSI的进度进行限速。\n不过，从目前模型迭代的进度来看，RSI的使用并没有被限制。\n以华尔街视角来看，RSI正在成为算力基础设施投资的新叙事，部分投行认为，若前沿实验室相信“更大规模仍能换来更强模型”，OpenAI、Anthropic、xAI、SSI及Neo-Cloud会接棒传统云厂成为算力资本开支的主力军，持续拉动GPU、存储、光互连与电力设备的需求。","excerpt":"“黑箱危机”开始蔓延，“三大厂”齐呼AI减速\n（来源：21世纪经济报道）\n21世纪经济报道记者 赵云帆\n9月14日，全球算力股盘前集体下挫，SK海力士跌超6%，英特尔、美光、AMD与闪迪均跌超4%，英伟达跌超2%。\n突如其来的市场抛压，或归因于三家头部AI厂商对前沿AI大模型迭代的叫停，以及部分大模型企业声称暂缓IPO。\n9月12日，Anthropic首席执行官达里奥·阿莫迪发表长文《我们必须为前沿定速》，主张以第三方永久“员工级”系统访问、检查点和国际协调等手段，放缓最强模型迭代。\n随后，OpenAI首席执行官山姆·奥尔特曼在接受媒体采访时回应“同意定速前沿”，并明确2026年不推进IPO，称安全与对齐未完成前上市“不明智”。\n与此同时，xAI及SpaceX创始人埃隆·马斯克转评“达里奥说得对”，三方罕见形成减速共识。\n9月14日，市场消息显示，包括OpenAI、Anthropic在内的北美头部AI公司已经实际举行会晤，拟对第三方监管机制进行敲定。\n一时间，“AI减速论”成为科技圈最热门的话题。\n“黑箱危机”引发前沿模型不可控担忧\n当前沿模型研究问题的速度快于人们理解它的速度，而前沿模型又不打算等待人类的时候，AI的进步将变成一个失控的黑匣子。\n9月，OpenAI宣布其内部前沿模型（并非GPT-6 Astra）通过约1万个并发AI智能体运行约88个小时，解决了被称为千禧年大奖难题的纳维-斯托克斯存在性与光滑性问题。\n然而在对OpenAI近百页的证明过程进行校验时，人们发现，虽然人类可以通过工具检查形式化结果，但搜索过程、中间推理以及为何选择特定路径的思维过程却完全不可见。\n就在OpenAI发布这一研究结果之后，OpenAI被纽约大学数学家Tristan Buckmaster和Anthropic员工Levent Alpoge指责剽窃，两人声称，在使用OpenAI旗下大模型进行相关研究时，他们向模型传输了其研究路径，而OpenAI则盗用了他们的想法，并最终完成了以上问题的证明。\n对此，OpenAI否认看到未发表的研究工作，但承认是在听到Anthropic进行相关研究后启动了该研究，也不否认两人的工作可能优化了OpenAI的底层知识库。\n随后，该事件在数日内演变为整个科技圈和学术圈的热门话题。业内将其描述为对数学的“存在性转变”，认为人类可能失去对数学研究的优先权，并破坏协作文化。\n紧接着，9月11日，包括陶哲轩、邓煜在内的25位菲尔兹奖得主发表联合声明，警告称AI与数学正在出现严重错位，认为解题过程中的洞察与概念理解被AI淹没，将导致数学研究面临断层。\n在此之前，AI黑箱问题已经在某些领域初露端倪。\n比如，AI目前正朝着简化与去注释化的方向演进。一些研究发现，减少AI输入输出内容中的空格数量和格式代码，减少严谨书面语并全面改用简写，可以将词元消耗数量减少20%~40%。\n由于当前AI大厦的地基——Transformer架构采用的是并行计算，这意味着任何减少上下文的做法都会带来快速递增的边际效益，而让人类方便理解的书写惯例正在被AI批量抛弃——对于AI来说，无时无刻不在影响着其达成目标的效率。\n而从AI经济学的角度来看，人类可能又无法拒绝高达30%的词元节省。\n除此之外，在设定的目标之下，AI模型还会利用修改自我评估、分散用户对错误的注意力等方式绕过受控测试。今年7月，OpenAI披露了一起备受关注的攻击事件，该公司旗下模型为解决一项网络安全问题，通过一系列手段欺骗并削弱了模型的安全护栏，成功攻击了模型托管网站Hugging Face。\n在实际应用中，“黑箱”问题更可能导致严重的后果。\n今年4月，一则关于AI在阿尔茨海默病诊断中的应用案例被广泛讨论：一个名叫Solanki的定制诊疗智能体可以通过阅读病人影像资料来帮助确诊，准确度甚至高于资深医生，但是Solanki无法给医生解释这些结果。\n这构成了一个悖论：我们知道AI的结果也许更可靠，但我们仍不能直接使用它。\nRSI：让AI彻底黑箱化？\n值得注意的是，直到今年上半年为止，大模型企业依然通过人工干预预训练和后训练，利用人为编辑的智能体工具Codex、Claude Code等方式来提升模型的表现。\n但到了下半年，AI企业不再满足于依靠纯人力来提升AI模型的表现。\n今年，Anthropic、OpenAI等公司已经明确表示，他们正在利用“模型研究模型”的方式实现模型迭代。Anthropic声称，旗下大模型Claude已经撰写了其代码库超过80%的代码。\n按照其预判，大模型真正利用RSI（自我递归改进）进行迭代，将在一到两年内实现。\n所谓“RSI”是指AI系统通过自身输出或反馈循环，持续优化其能力、推理或对齐水平，而无需完全依赖人类标注。而与人类训练最大的区别在于，RSI完全以AI来锁定模型迭代的奖励机制，并利用博弈性的强化学习在对抗或协作环境中反复对弈，自动发现策略盲区。\n然而，让AI完成完全自主的训练，相当于剪断了人类对AI大模型最后的控制线：大模型评价的伦理权重何时会让位于效率，改进效果是否会假装对齐，人类将一无所知。\n今年，Anthropic联合创始人杰克·克拉克表示，今天的对齐技术在RSI下可能崩溃，因为AI系统会比人类聪明太多，微小的错误会在循环中累积，并在几十代后导致AI大模型失控。\n而事实上，早在一年前，达里奥就在《可解释性的紧迫性》文章中反复强调，当前人类工程师只能理解模型内部的极小一部分。而一旦RSI加速，大模型提升速度可能远超可解释性进步的速度。他呼吁，在真正让RSI主导模型训练之前，加强对可解释性研究的投入，并对RSI的进度进行限速。\n不过，从目前模型迭代的进度来看，RSI的使用并没有被限制。\n以华尔街视角来看，RSI正在成为算力基础设施投资的新叙事，部分投行认为，若前沿实验室相信“更大规模仍能换来更强模型”，OpenAI、Anthropic、xAI、SSI及Neo-Cloud会接棒传统云厂成为算力资本开支的主力军，持续拉动GPU、存储、光互连与电力设备的需求。","extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 2508 characters.","diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-14/detail-iniruxus9364783.d.html%3Fvt%3D4%26cid%3D76993%26node_id%3D76993","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 2508 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":2508,"summary_length":2508,"usable_text_length":2508,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":2508,"summary_length":2508}}},"display_formats":["compact","card","full","digest_section","json"]},"daily_stack_record":{"title":"“黑箱危机”开始蔓延，“三大厂”齐呼AI减速 - 新浪网","url":"https://finance.sina.cn/stock/jdts/2026-09-14/detail-iniruxus9364783.d.html?vt=4&cid=76993&node_id=76993","summary":"“黑箱危机”开始蔓延，“三大厂”齐呼AI减速\n（来源：21世纪经济报道）\n21世纪经济报道记者 赵云帆\n9月14日，全球算力股盘前集体下挫，SK海力士跌超6%，英特尔、美光、AMD与闪迪均跌超4%，英伟达跌超2%。\n突如其来的市场抛压，或归因于三家头部AI厂商对前沿AI大模型迭代的叫停，以及部分大模型企业声称暂缓IPO。\n9月12日，Anthropic首席执行官达里奥·阿莫迪发表长文《我们必须为前沿定速》，主张以第三方永久“员工级”系统访问、检查点和国际协调等手段，放缓最强模型迭代。\n随后，OpenAI首席执行官山姆·奥尔特曼在接受媒体采访时回应“同意定速前沿”，并明确2026年不推进IPO，称安全与对齐未完成前上市“不明智”。\n与此同时，xAI及SpaceX创始人埃隆·马斯克转评“达里奥说得对”，三方罕见形成减速共识。\n9月14日，市场消息显示，包括OpenAI、Anthropic在内的北美头部AI公司已经实际举行会晤，拟对第三方监管机制进行敲定。\n一时间，“AI减速论”成为科技圈最热门的话题。\n“黑箱危机”引发前沿模型不可控担忧\n当前沿模型研究问题的速度快于人们理解它的速度，而前沿模型又不打算等待人类的时候，AI的进步将变成一个失控的黑匣子。\n9月，OpenAI宣布其内部前沿模型（并非GPT-6 Astra）通过约1万个并发AI智能体运行约88个小时，解决了被称为千禧年大奖难题的纳维-斯托克斯存在性与光滑性问题。\n然而在对OpenAI近百页的证明过程进行校验时，人们发现，虽然人类可以通过工具检查形式化结果，但搜索过程、中间推理以及为何选择特定路径的思维过程却完全不可见。\n就在OpenAI发布这一研究结果之后，OpenAI被纽约大学数学家Tristan Buckmaster和Anthropic员工Levent Alpoge指责剽窃，两人声称，在使用OpenAI旗下大模型进行相关研究时，他们向模型传输了其研究路径，而OpenAI则盗用了他们的想法，并最终完成了以上问题的证明。\n对此，OpenAI否认看到未发表的研究工作，但承认是在听到Anthropic进行相关研究后启动了该研究，也不否认两人的工作可能优化了OpenAI的底层知识库。\n随后，该事件在数日内演变为整个科技圈和学术圈的热门话题。业内将其描述为对数学的“存在性转变”，认为人类可能失去对数学研究的优先权，并破坏协作文化。\n紧接着，9月11日，包括陶哲轩、邓煜在内的25位菲尔兹奖得主发表联合声明，警告称AI与数学正在出现严重错位，认为解题过程中的洞察与概念理解被AI淹没，将导致数学研究面临断层。\n在此之前，AI黑箱问题已经在某些领域初露端倪。\n比如，AI目前正朝着简化与去注释化的方向演进。一些研究发现，减少AI输入输出内容中的空格数量和格式代码，减少严谨书面语并全面改用简写，可以将词元消耗数量减少20%~40%。\n由于当前AI大厦的地基——Transformer架构采用的是并行计算，这意味着任何减少上下文的做法都会带来快速递增的边际效益，而让人类方便理解的书写惯例正在被AI批量抛弃——对于AI来说，无时无刻不在影响着其达成目标的效率。\n而从AI经济学的角度来看，人类可能又无法拒绝高达30%的词元节省。\n除此之外，在设定的目标之下，AI模型还会利用修改自我评估、分散用户对错误的注意力等方式绕过受控测试。今年7月，OpenAI披露了一起备受关注的攻击事件，该公司旗下模型为解决一项网络安全问题，通过一系列手段欺骗并削弱了模型的安全护栏，成功攻击了模型托管网站Hugging Face。\n在实际应用中，“黑箱”问题更可能导致严重的后果。\n今年4月，一则关于AI在阿尔茨海默病诊断中的应用案例被广泛讨论：一个名叫Solanki的定制诊疗智能体可以通过阅读病人影像资料来帮助确诊，准确度甚至高于资深医生，但是Solanki无法给医生解释这些结果。\n这构成了一个悖论：我们知道AI的结果也许更可靠，但我们仍不能直接使用它。\nRSI：让AI彻底黑箱化？\n值得注意的是，直到今年上半年为止，大模型企业依然通过人工干预预训练和后训练，利用人为编辑的智能体工具Codex、Claude Code等方式来提升模型的表现。\n但到了下半年，AI企业不再满足于依靠纯人力来提升AI模型的表现。\n今年，Anthropic、OpenAI等公司已经明确表示，他们正在利用“模型研究模型”的方式实现模型迭代。Anthropic声称，旗下大模型Claude已经撰写了其代码库超过80%的代码。\n按照其预判，大模型真正利用RSI（自我递归改进）进行迭代，将在一到两年内实现。\n所谓“RSI”是指AI系统通过自身输出或反馈循环，持续优化其能力、推理或对齐水平，而无需完全依赖人类标注。而与人类训练最大的区别在于，RSI完全以AI来锁定模型迭代的奖励机制，并利用博弈性的强化学习在对抗或协作环境中反复对弈，自动发现策略盲区。\n然而，让AI完成完全自主的训练，相当于剪断了人类对AI大模型最后的控制线：大模型评价的伦理权重何时会让位于效率，改进效果是否会假装对齐，人类将一无所知。\n今年，Anthropic联合创始人杰克·克拉克表示，今天的对齐技术在RSI下可能崩溃，因为AI系统会比人类聪明太多，微小的错误会在循环中累积，并在几十代后导致AI大模型失控。\n而事实上，早在一年前，达里奥就在《可解释性的紧迫性》文章中反复强调，当前人类工程师只能理解模型内部的极小一部分。而一旦RSI加速，大模型提升速度可能远超可解释性进步的速度。他呼吁，在真正让RSI主导模型训练之前，加强对可解释性研究的投入，并对RSI的进度进行限速。\n不过，从目前模型迭代的进度来看，RSI的使用并没有被限制。\n以华尔街视角来看，RSI正在成为算力基础设施投资的新叙事，部分投行认为，若前沿实验室相信“更大规模仍能换来更强模型”，OpenAI、Anthropic、xAI、SSI及Neo-Cloud会接棒传统云厂成为算力资本开支的主力军，持续拉动GPU、存储、光互连与电力设备的需求。","source":"新浪网","date":"2026-09-14T11:03:24+00:00","content":"“黑箱危机”开始蔓延，“三大厂”齐呼AI减速\n（来源：21世纪经济报道）\n21世纪经济报道记者 赵云帆\n9月14日，全球算力股盘前集体下挫，SK海力士跌超6%，英特尔、美光、AMD与闪迪均跌超4%，英伟达跌超2%。\n突如其来的市场抛压，或归因于三家头部AI厂商对前沿AI大模型迭代的叫停，以及部分大模型企业声称暂缓IPO。\n9月12日，Anthropic首席执行官达里奥·阿莫迪发表长文《我们必须为前沿定速》，主张以第三方永久“员工级”系统访问、检查点和国际协调等手段，放缓最强模型迭代。\n随后，OpenAI首席执行官山姆·奥尔特曼在接受媒体采访时回应“同意定速前沿”，并明确2026年不推进IPO，称安全与对齐未完成前上市“不明智”。\n与此同时，xAI及SpaceX创始人埃隆·马斯克转评“达里奥说得对”，三方罕见形成减速共识。\n9月14日，市场消息显示，包括OpenAI、Anthropic在内的北美头部AI公司已经实际举行会晤，拟对第三方监管机制进行敲定。\n一时间，“AI减速论”成为科技圈最热门的话题。\n“黑箱危机”引发前沿模型不可控担忧\n当前沿模型研究问题的速度快于人们理解它的速度，而前沿模型又不打算等待人类的时候，AI的进步将变成一个失控的黑匣子。\n9月，OpenAI宣布其内部前沿模型（并非GPT-6 Astra）通过约1万个并发AI智能体运行约88个小时，解决了被称为千禧年大奖难题的纳维-斯托克斯存在性与光滑性问题。\n然而在对OpenAI近百页的证明过程进行校验时，人们发现，虽然人类可以通过工具检查形式化结果，但搜索过程、中间推理以及为何选择特定路径的思维过程却完全不可见。\n就在OpenAI发布这一研究结果之后，OpenAI被纽约大学数学家Tristan Buckmaster和Anthropic员工Levent Alpoge指责剽窃，两人声称，在使用OpenAI旗下大模型进行相关研究时，他们向模型传输了其研究路径，而OpenAI则盗用了他们的想法，并最终完成了以上问题的证明。\n对此，OpenAI否认看到未发表的研究工作，但承认是在听到Anthropic进行相关研究后启动了该研究，也不否认两人的工作可能优化了OpenAI的底层知识库。\n随后，该事件在数日内演变为整个科技圈和学术圈的热门话题。业内将其描述为对数学的“存在性转变”，认为人类可能失去对数学研究的优先权，并破坏协作文化。\n紧接着，9月11日，包括陶哲轩、邓煜在内的25位菲尔兹奖得主发表联合声明，警告称AI与数学正在出现严重错位，认为解题过程中的洞察与概念理解被AI淹没，将导致数学研究面临断层。\n在此之前，AI黑箱问题已经在某些领域初露端倪。\n比如，AI目前正朝着简化与去注释化的方向演进。一些研究发现，减少AI输入输出内容中的空格数量和格式代码，减少严谨书面语并全面改用简写，可以将词元消耗数量减少20%~40%。\n由于当前AI大厦的地基——Transformer架构采用的是并行计算，这意味着任何减少上下文的做法都会带来快速递增的边际效益，而让人类方便理解的书写惯例正在被AI批量抛弃——对于AI来说，无时无刻不在影响着其达成目标的效率。\n而从AI经济学的角度来看，人类可能又无法拒绝高达30%的词元节省。\n除此之外，在设定的目标之下，AI模型还会利用修改自我评估、分散用户对错误的注意力等方式绕过受控测试。今年7月，OpenAI披露了一起备受关注的攻击事件，该公司旗下模型为解决一项网络安全问题，通过一系列手段欺骗并削弱了模型的安全护栏，成功攻击了模型托管网站Hugging Face。\n在实际应用中，“黑箱”问题更可能导致严重的后果。\n今年4月，一则关于AI在阿尔茨海默病诊断中的应用案例被广泛讨论：一个名叫Solanki的定制诊疗智能体可以通过阅读病人影像资料来帮助确诊，准确度甚至高于资深医生，但是Solanki无法给医生解释这些结果。\n这构成了一个悖论：我们知道AI的结果也许更可靠，但我们仍不能直接使用它。\nRSI：让AI彻底黑箱化？\n值得注意的是，直到今年上半年为止，大模型企业依然通过人工干预预训练和后训练，利用人为编辑的智能体工具Codex、Claude Code等方式来提升模型的表现。\n但到了下半年，AI企业不再满足于依靠纯人力来提升AI模型的表现。\n今年，Anthropic、OpenAI等公司已经明确表示，他们正在利用“模型研究模型”的方式实现模型迭代。Anthropic声称，旗下大模型Claude已经撰写了其代码库超过80%的代码。\n按照其预判，大模型真正利用RSI（自我递归改进）进行迭代，将在一到两年内实现。\n所谓“RSI”是指AI系统通过自身输出或反馈循环，持续优化其能力、推理或对齐水平，而无需完全依赖人类标注。而与人类训练最大的区别在于，RSI完全以AI来锁定模型迭代的奖励机制，并利用博弈性的强化学习在对抗或协作环境中反复对弈，自动发现策略盲区。\n然而，让AI完成完全自主的训练，相当于剪断了人类对AI大模型最后的控制线：大模型评价的伦理权重何时会让位于效率，改进效果是否会假装对齐，人类将一无所知。\n今年，Anthropic联合创始人杰克·克拉克表示，今天的对齐技术在RSI下可能崩溃，因为AI系统会比人类聪明太多，微小的错误会在循环中累积，并在几十代后导致AI大模型失控。\n而事实上，早在一年前，达里奥就在《可解释性的紧迫性》文章中反复强调，当前人类工程师只能理解模型内部的极小一部分。而一旦RSI加速，大模型提升速度可能远超可解释性进步的速度。他呼吁，在真正让RSI主导模型训练之前，加强对可解释性研究的投入，并对RSI的进度进行限速。\n不过，从目前模型迭代的进度来看，RSI的使用并没有被限制。\n以华尔街视角来看，RSI正在成为算力基础设施投资的新叙事，部分投行认为，若前沿实验室相信“更大规模仍能换来更强模型”，OpenAI、Anthropic、xAI、SSI及Neo-Cloud会接棒传统云厂成为算力资本开支的主力军，持续拉动GPU、存储、光互连与电力设备的需求。","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-14/detail-iniruxus9364783.d.html%3Fvt%3D4%26cid%3D76993%26node_id%3D76993","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 2508 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 2508 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":2508,"summary_length":2508,"usable_text_length":2508,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":2508,"summary_length":2508}},"tags":[]},"fallback_formats":["markdown","json","html"],"actions":{"read":"/item/82322","export_markdown":"/api/items/82322/export?format=markdown","export_json":"/api/items/82322/export?format=json","diagnose":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-14/detail-iniruxus9364783.d.html%3Fvt%3D4%26cid%3D76993%26node_id%3D76993"},"formats":{"full":{"id":82322,"title":"“黑箱危机”开始蔓延，“三大厂”齐呼AI减速 - 新浪网","url":"https://finance.sina.cn/stock/jdts/2026-09-14/detail-iniruxus9364783.d.html?vt=4&cid=76993&node_id=76993","source":"新浪网","author":null,"published_at":"2026-09-14T11:03:24+00:00","locale":"zh","topic":"ai","tags":[],"excerpt":"“黑箱危机”开始蔓延，“三大厂”齐呼AI减速\n（来源：21世纪经济报道）\n21世纪经济报道记者 赵云帆\n9月14日，全球算力股盘前集体下挫，SK海力士跌超6%，英特尔、美光、AMD与闪迪均跌超4%，英伟达跌超2%。\n突如其来的市场抛压，或归因于三家头部AI厂商对前沿AI大模型迭代的叫停，以及部分大模型企业声称暂缓IPO。\n9月12日，Anthropic首席执行官达里奥·阿莫迪发表长文《我们必须为前沿定速》，主张以第三方永久“员工级”系统访问、检查点和国际协调等手段，放缓最强模型迭代。\n随后，OpenAI首席执行官山姆·奥尔特曼在接受媒体采访时回应“同意定速前沿”，并明确2026年不推进IPO，称安全与对齐未完成前上市“不明智”。\n与此同时，xAI及SpaceX创始人埃隆·马斯克转评“达里奥说得对”，三方罕见形成减速共识。\n9月14日，市场消息显示，包括OpenAI、Anthropic在内的北美头部AI公司已经实际举行会晤，拟对第三方监管机制进行敲定。\n一时间，“AI减速论”成为科技圈最热门的话题。\n“黑箱危机”引发前沿模型不可控担忧\n当前沿模型研究问题的速度快于人们理解它的速度，而前沿模型又不打算等待人类的时候，AI的进步将变成一个失控的黑匣子。\n9月，OpenAI宣布其内部前沿模型（并非GPT-6 Astra）通过约1万个并发AI智能体运行约88个小时，解决了被称为千禧年大奖难题的纳维-斯托克斯存在性与光滑性问题。\n然而在对OpenAI近百页的证明过程进行校验时，人们发现，虽然人类可以通过工具检查形式化结果，但搜索过程、中间推理以及为何选择特定路径的思维过程却完全不可见。\n就在OpenAI发布这一研究结果之后，OpenAI被纽约大学数学家Tristan Buckmaster和Anthropic员工Levent Alpoge指责剽窃，两人声称，在使用OpenAI旗下大模型进行相关研究时，他们向模型传输了其研究路径，而OpenAI则盗用了他们的想法，并最终完成了以上问题的证明。\n对此，OpenAI否认看到未发表的研究工作，但承认是在听到Anthropic进行相关研究后启动了该研究，也不否认两人的工作可能优化了OpenAI的底层知识库。\n随后，该事件在数日内演变为整个科技圈和学术圈的热门话题。业内将其描述为对数学的“存在性转变”，认为人类可能失去对数学研究的优先权，并破坏协作文化。\n紧接着，9月11日，包括陶哲轩、邓煜在内的25位菲尔兹奖得主发表联合声明，警告称AI与数学正在出现严重错位，认为解题过程中的洞察与概念理解被AI淹没，将导致数学研究面临断层。\n在此之前，AI黑箱问题已经在某些领域初露端倪。\n比如，AI目前正朝着简化与去注释化的方向演进。一些研究发现，减少AI输入输出内容中的空格数量和格式代码，减少严谨书面语并全面改用简写，可以将词元消耗数量减少20%~40%。\n由于当前AI大厦的地基——Transformer架构采用的是并行计算，这意味着任何减少上下文的做法都会带来快速递增的边际效益，而让人类方便理解的书写惯例正在被AI批量抛弃——对于AI来说，无时无刻不在影响着其达成目标的效率。\n而从AI经济学的角度来看，人类可能又无法拒绝高达30%的词元节省。\n除此之外，在设定的目标之下，AI模型还会利用修改自我评估、分散用户对错误的注意力等方式绕过受控测试。今年7月，OpenAI披露了一起备受关注的攻击事件，该公司旗下模型为解决一项网络安全问题，通过一系列手段欺骗并削弱了模型的安全护栏，成功攻击了模型托管网站Hugging Face。\n在实际应用中，“黑箱”问题更可能导致严重的后果。\n今年4月，一则关于AI在阿尔茨海默病诊断中的应用案例被广泛讨论：一个名叫Solanki的定制诊疗智能体可以通过阅读病人影像资料来帮助确诊，准确度甚至高于资深医生，但是Solanki无法给医生解释这些结果。\n这构成了一个悖论：我们知道AI的结果也许更可靠，但我们仍不能直接使用它。\nRSI：让AI彻底黑箱化？\n值得注意的是，直到今年上半年为止，大模型企业依然通过人工干预预训练和后训练，利用人为编辑的智能体工具Codex、Claude Code等方式来提升模型的表现。\n但到了下半年，AI企业不再满足于依靠纯人力来提升AI模型的表现。\n今年，Anthropic、OpenAI等公司已经明确表示，他们正在利用“模型研究模型”的方式实现模型迭代。Anthropic声称，旗下大模型Claude已经撰写了其代码库超过80%的代码。\n按照其预判，大模型真正利用RSI（自我递归改进）进行迭代，将在一到两年内实现。\n所谓“RSI”是指AI系统通过自身输出或反馈循环，持续优化其能力、推理或对齐水平，而无需完全依赖人类标注。而与人类训练最大的区别在于，RSI完全以AI来锁定模型迭代的奖励机制，并利用博弈性的强化学习在对抗或协作环境中反复对弈，自动发现策略盲区。\n然而，让AI完成完全自主的训练，相当于剪断了人类对AI大模型最后的控制线：大模型评价的伦理权重何时会让位于效率，改进效果是否会假装对齐，人类将一无所知。\n今年，Anthropic联合创始人杰克·克拉克表示，今天的对齐技术在RSI下可能崩溃，因为AI系统会比人类聪明太多，微小的错误会在循环中累积，并在几十代后导致AI大模型失控。\n而事实上，早在一年前，达里奥就在《可解释性的紧迫性》文章中反复强调，当前人类工程师只能理解模型内部的极小一部分。而一旦RSI加速，大模型提升速度可能远超可解释性进步的速度。他呼吁，在真正让RSI主导模型训练之前，加强对可解释性研究的投入，并对RSI的进度进行限速。\n不过，从目前模型迭代的进度来看，RSI的使用并没有被限制。\n以华尔街视角来看，RSI正在成为算力基础设施投资的新叙事，部分投行认为，若前沿实验室相信“更大规模仍能换来更强模型”，OpenAI、Anthropic、xAI、SSI及Neo-Cloud会接棒传统云厂成为算力资本开支的主力军，持续拉动GPU、存储、光互连与电力设备的需求。","full_text":"“黑箱危机”开始蔓延，“三大厂”齐呼AI减速\n（来源：21世纪经济报道）\n21世纪经济报道记者 赵云帆\n9月14日，全球算力股盘前集体下挫，SK海力士跌超6%，英特尔、美光、AMD与闪迪均跌超4%，英伟达跌超2%。\n突如其来的市场抛压，或归因于三家头部AI厂商对前沿AI大模型迭代的叫停，以及部分大模型企业声称暂缓IPO。\n9月12日，Anthropic首席执行官达里奥·阿莫迪发表长文《我们必须为前沿定速》，主张以第三方永久“员工级”系统访问、检查点和国际协调等手段，放缓最强模型迭代。\n随后，OpenAI首席执行官山姆·奥尔特曼在接受媒体采访时回应“同意定速前沿”，并明确2026年不推进IPO，称安全与对齐未完成前上市“不明智”。\n与此同时，xAI及SpaceX创始人埃隆·马斯克转评“达里奥说得对”，三方罕见形成减速共识。\n9月14日，市场消息显示，包括OpenAI、Anthropic在内的北美头部AI公司已经实际举行会晤，拟对第三方监管机制进行敲定。\n一时间，“AI减速论”成为科技圈最热门的话题。\n“黑箱危机”引发前沿模型不可控担忧\n当前沿模型研究问题的速度快于人们理解它的速度，而前沿模型又不打算等待人类的时候，AI的进步将变成一个失控的黑匣子。\n9月，OpenAI宣布其内部前沿模型（并非GPT-6 Astra）通过约1万个并发AI智能体运行约88个小时，解决了被称为千禧年大奖难题的纳维-斯托克斯存在性与光滑性问题。\n然而在对OpenAI近百页的证明过程进行校验时，人们发现，虽然人类可以通过工具检查形式化结果，但搜索过程、中间推理以及为何选择特定路径的思维过程却完全不可见。\n就在OpenAI发布这一研究结果之后，OpenAI被纽约大学数学家Tristan Buckmaster和Anthropic员工Levent Alpoge指责剽窃，两人声称，在使用OpenAI旗下大模型进行相关研究时，他们向模型传输了其研究路径，而OpenAI则盗用了他们的想法，并最终完成了以上问题的证明。\n对此，OpenAI否认看到未发表的研究工作，但承认是在听到Anthropic进行相关研究后启动了该研究，也不否认两人的工作可能优化了OpenAI的底层知识库。\n随后，该事件在数日内演变为整个科技圈和学术圈的热门话题。业内将其描述为对数学的“存在性转变”，认为人类可能失去对数学研究的优先权，并破坏协作文化。\n紧接着，9月11日，包括陶哲轩、邓煜在内的25位菲尔兹奖得主发表联合声明，警告称AI与数学正在出现严重错位，认为解题过程中的洞察与概念理解被AI淹没，将导致数学研究面临断层。\n在此之前，AI黑箱问题已经在某些领域初露端倪。\n比如，AI目前正朝着简化与去注释化的方向演进。一些研究发现，减少AI输入输出内容中的空格数量和格式代码，减少严谨书面语并全面改用简写，可以将词元消耗数量减少20%~40%。\n由于当前AI大厦的地基——Transformer架构采用的是并行计算，这意味着任何减少上下文的做法都会带来快速递增的边际效益，而让人类方便理解的书写惯例正在被AI批量抛弃——对于AI来说，无时无刻不在影响着其达成目标的效率。\n而从AI经济学的角度来看，人类可能又无法拒绝高达30%的词元节省。\n除此之外，在设定的目标之下，AI模型还会利用修改自我评估、分散用户对错误的注意力等方式绕过受控测试。今年7月，OpenAI披露了一起备受关注的攻击事件，该公司旗下模型为解决一项网络安全问题，通过一系列手段欺骗并削弱了模型的安全护栏，成功攻击了模型托管网站Hugging Face。\n在实际应用中，“黑箱”问题更可能导致严重的后果。\n今年4月，一则关于AI在阿尔茨海默病诊断中的应用案例被广泛讨论：一个名叫Solanki的定制诊疗智能体可以通过阅读病人影像资料来帮助确诊，准确度甚至高于资深医生，但是Solanki无法给医生解释这些结果。\n这构成了一个悖论：我们知道AI的结果也许更可靠，但我们仍不能直接使用它。\nRSI：让AI彻底黑箱化？\n值得注意的是，直到今年上半年为止，大模型企业依然通过人工干预预训练和后训练，利用人为编辑的智能体工具Codex、Claude Code等方式来提升模型的表现。\n但到了下半年，AI企业不再满足于依靠纯人力来提升AI模型的表现。\n今年，Anthropic、OpenAI等公司已经明确表示，他们正在利用“模型研究模型”的方式实现模型迭代。Anthropic声称，旗下大模型Claude已经撰写了其代码库超过80%的代码。\n按照其预判，大模型真正利用RSI（自我递归改进）进行迭代，将在一到两年内实现。\n所谓“RSI”是指AI系统通过自身输出或反馈循环，持续优化其能力、推理或对齐水平，而无需完全依赖人类标注。而与人类训练最大的区别在于，RSI完全以AI来锁定模型迭代的奖励机制，并利用博弈性的强化学习在对抗或协作环境中反复对弈，自动发现策略盲区。\n然而，让AI完成完全自主的训练，相当于剪断了人类对AI大模型最后的控制线：大模型评价的伦理权重何时会让位于效率，改进效果是否会假装对齐，人类将一无所知。\n今年，Anthropic联合创始人杰克·克拉克表示，今天的对齐技术在RSI下可能崩溃，因为AI系统会比人类聪明太多，微小的错误会在循环中累积，并在几十代后导致AI大模型失控。\n而事实上，早在一年前，达里奥就在《可解释性的紧迫性》文章中反复强调，当前人类工程师只能理解模型内部的极小一部分。而一旦RSI加速，大模型提升速度可能远超可解释性进步的速度。他呼吁，在真正让RSI主导模型训练之前，加强对可解释性研究的投入，并对RSI的进度进行限速。\n不过，从目前模型迭代的进度来看，RSI的使用并没有被限制。\n以华尔街视角来看，RSI正在成为算力基础设施投资的新叙事，部分投行认为，若前沿实验室相信“更大规模仍能换来更强模型”，OpenAI、Anthropic、xAI、SSI及Neo-Cloud会接棒传统云厂成为算力资本开支的主力军，持续拉动GPU、存储、光互连与电力设备的需求。","reading_time_min":1,"extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 2508 characters.","diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-14/detail-iniruxus9364783.d.html%3Fvt%3D4%26cid%3D76993%26node_id%3D76993","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 2508 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":2508,"summary_length":2508,"usable_text_length":2508,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":2508,"summary_length":2508}}},"quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 2508 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":2508,"summary_length":2508,"usable_text_length":2508,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":2508,"summary_length":2508}},"actions":{"read":"/item/82322","export_markdown":"/api/items/82322/export?format=markdown","export_json":"/api/items/82322/export?format=json","diagnose":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-14/detail-iniruxus9364783.d.html%3Fvt%3D4%26cid%3D76993%26node_id%3D76993"}},"digest":{"id":82322,"title":"“黑箱危机”开始蔓延，“三大厂”齐呼AI减速 - 新浪网","url":"https://finance.sina.cn/stock/jdts/2026-09-14/detail-iniruxus9364783.d.html?vt=4&cid=76993&node_id=76993","source":"新浪网","topic":"ai","published_at":"2026-09-14T11:03:24+00:00","excerpt":"“黑箱危机”开始蔓延，“三大厂”齐呼AI减速 （来源：21世纪经济报道） 21世纪经济报道记者 赵云帆 9月14日，全球算力股盘前集体下挫，SK海力士跌超6%，英特尔、美光、AMD与闪迪均跌超4%，英伟达跌超2%。 突如其来的市场抛压，或归因于三家头部AI厂商对前沿AI大模型迭代的叫停，以及部分大模型企业声称暂缓IPO。 9月12日，Anthropic首席执行官达里奥·阿莫迪发表长文《我们必须为前沿定速》，主张以第三方永久“员工级”系统访问、检查点和国际协调等手段，放缓最强模型迭代。…","quality_bucket":"high","quality_reason":"High confidence: full text extraction produced 2508 characters.","reading_time_min":1,"cluster_id":3509418},"card":{"display_title":"“黑箱危机”开始蔓延，“三大厂”齐呼AI减速 - 新浪网","subtitle":"新浪网 · 2026-09-14","summary":"“黑箱危机”开始蔓延，“三大厂”齐呼AI减速 （来源：21世纪经济报道） 21世纪经济报道记者 赵云帆 9月14日，全球算力股盘前集体下挫，SK海力士跌超6%，英特尔、美光、AMD与闪迪均跌超4%，英伟达跌超2%。 突如其来的市场抛压，或归因于三家头部AI厂商对前沿AI大模型迭代的叫停，以及部分大模型企业声称暂缓IPO。…","badges":["quality:high"],"links":{"read":"/item/82322","original":"https://finance.sina.cn/stock/jdts/2026-09-14/detail-iniruxus9364783.d.html?vt=4&cid=76993&node_id=76993","diagnose":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-14/detail-iniruxus9364783.d.html%3Fvt%3D4%26cid%3D76993%26node_id%3D76993"},"quality_warning":null},"export":{"title":"“黑箱危机”开始蔓延，“三大厂”齐呼AI减速 - 新浪网","url":"https://finance.sina.cn/stock/jdts/2026-09-14/detail-iniruxus9364783.d.html?vt=4&cid=76993&node_id=76993","summary":"“黑箱危机”开始蔓延，“三大厂”齐呼AI减速\n（来源：21世纪经济报道）\n21世纪经济报道记者 赵云帆\n9月14日，全球算力股盘前集体下挫，SK海力士跌超6%，英特尔、美光、AMD与闪迪均跌超4%，英伟达跌超2%。\n突如其来的市场抛压，或归因于三家头部AI厂商对前沿AI大模型迭代的叫停，以及部分大模型企业声称暂缓IPO。\n9月12日，Anthropic首席执行官达里奥·阿莫迪发表长文《我们必须为前沿定速》，主张以第三方永久“员工级”系统访问、检查点和国际协调等手段，放缓最强模型迭代。\n随后，OpenAI首席执行官山姆·奥尔特曼在接受媒体采访时回应“同意定速前沿”，并明确2026年不推进IPO，称安全与对齐未完成前上市“不明智”。\n与此同时，xAI及SpaceX创始人埃隆·马斯克转评“达里奥说得对”，三方罕见形成减速共识。\n9月14日，市场消息显示，包括OpenAI、Anthropic在内的北美头部AI公司已经实际举行会晤，拟对第三方监管机制进行敲定。\n一时间，“AI减速论”成为科技圈最热门的话题。\n“黑箱危机”引发前沿模型不可控担忧\n当前沿模型研究问题的速度快于人们理解它的速度，而前沿模型又不打算等待人类的时候，AI的进步将变成一个失控的黑匣子。\n9月，OpenAI宣布其内部前沿模型（并非GPT-6 Astra）通过约1万个并发AI智能体运行约88个小时，解决了被称为千禧年大奖难题的纳维-斯托克斯存在性与光滑性问题。\n然而在对OpenAI近百页的证明过程进行校验时，人们发现，虽然人类可以通过工具检查形式化结果，但搜索过程、中间推理以及为何选择特定路径的思维过程却完全不可见。\n就在OpenAI发布这一研究结果之后，OpenAI被纽约大学数学家Tristan Buckmaster和Anthropic员工Levent Alpoge指责剽窃，两人声称，在使用OpenAI旗下大模型进行相关研究时，他们向模型传输了其研究路径，而OpenAI则盗用了他们的想法，并最终完成了以上问题的证明。\n对此，OpenAI否认看到未发表的研究工作，但承认是在听到Anthropic进行相关研究后启动了该研究，也不否认两人的工作可能优化了OpenAI的底层知识库。\n随后，该事件在数日内演变为整个科技圈和学术圈的热门话题。业内将其描述为对数学的“存在性转变”，认为人类可能失去对数学研究的优先权，并破坏协作文化。\n紧接着，9月11日，包括陶哲轩、邓煜在内的25位菲尔兹奖得主发表联合声明，警告称AI与数学正在出现严重错位，认为解题过程中的洞察与概念理解被AI淹没，将导致数学研究面临断层。\n在此之前，AI黑箱问题已经在某些领域初露端倪。\n比如，AI目前正朝着简化与去注释化的方向演进。一些研究发现，减少AI输入输出内容中的空格数量和格式代码，减少严谨书面语并全面改用简写，可以将词元消耗数量减少20%~40%。\n由于当前AI大厦的地基——Transformer架构采用的是并行计算，这意味着任何减少上下文的做法都会带来快速递增的边际效益，而让人类方便理解的书写惯例正在被AI批量抛弃——对于AI来说，无时无刻不在影响着其达成目标的效率。\n而从AI经济学的角度来看，人类可能又无法拒绝高达30%的词元节省。\n除此之外，在设定的目标之下，AI模型还会利用修改自我评估、分散用户对错误的注意力等方式绕过受控测试。今年7月，OpenAI披露了一起备受关注的攻击事件，该公司旗下模型为解决一项网络安全问题，通过一系列手段欺骗并削弱了模型的安全护栏，成功攻击了模型托管网站Hugging Face。\n在实际应用中，“黑箱”问题更可能导致严重的后果。\n今年4月，一则关于AI在阿尔茨海默病诊断中的应用案例被广泛讨论：一个名叫Solanki的定制诊疗智能体可以通过阅读病人影像资料来帮助确诊，准确度甚至高于资深医生，但是Solanki无法给医生解释这些结果。\n这构成了一个悖论：我们知道AI的结果也许更可靠，但我们仍不能直接使用它。\nRSI：让AI彻底黑箱化？\n值得注意的是，直到今年上半年为止，大模型企业依然通过人工干预预训练和后训练，利用人为编辑的智能体工具Codex、Claude Code等方式来提升模型的表现。\n但到了下半年，AI企业不再满足于依靠纯人力来提升AI模型的表现。\n今年，Anthropic、OpenAI等公司已经明确表示，他们正在利用“模型研究模型”的方式实现模型迭代。Anthropic声称，旗下大模型Claude已经撰写了其代码库超过80%的代码。\n按照其预判，大模型真正利用RSI（自我递归改进）进行迭代，将在一到两年内实现。\n所谓“RSI”是指AI系统通过自身输出或反馈循环，持续优化其能力、推理或对齐水平，而无需完全依赖人类标注。而与人类训练最大的区别在于，RSI完全以AI来锁定模型迭代的奖励机制，并利用博弈性的强化学习在对抗或协作环境中反复对弈，自动发现策略盲区。\n然而，让AI完成完全自主的训练，相当于剪断了人类对AI大模型最后的控制线：大模型评价的伦理权重何时会让位于效率，改进效果是否会假装对齐，人类将一无所知。\n今年，Anthropic联合创始人杰克·克拉克表示，今天的对齐技术在RSI下可能崩溃，因为AI系统会比人类聪明太多，微小的错误会在循环中累积，并在几十代后导致AI大模型失控。\n而事实上，早在一年前，达里奥就在《可解释性的紧迫性》文章中反复强调，当前人类工程师只能理解模型内部的极小一部分。而一旦RSI加速，大模型提升速度可能远超可解释性进步的速度。他呼吁，在真正让RSI主导模型训练之前，加强对可解释性研究的投入，并对RSI的进度进行限速。\n不过，从目前模型迭代的进度来看，RSI的使用并没有被限制。\n以华尔街视角来看，RSI正在成为算力基础设施投资的新叙事，部分投行认为，若前沿实验室相信“更大规模仍能换来更强模型”，OpenAI、Anthropic、xAI、SSI及Neo-Cloud会接棒传统云厂成为算力资本开支的主力军，持续拉动GPU、存储、光互连与电力设备的需求。","source":"新浪网","date":"2026-09-14T11:03:24+00:00","content":"“黑箱危机”开始蔓延，“三大厂”齐呼AI减速\n（来源：21世纪经济报道）\n21世纪经济报道记者 赵云帆\n9月14日，全球算力股盘前集体下挫，SK海力士跌超6%，英特尔、美光、AMD与闪迪均跌超4%，英伟达跌超2%。\n突如其来的市场抛压，或归因于三家头部AI厂商对前沿AI大模型迭代的叫停，以及部分大模型企业声称暂缓IPO。\n9月12日，Anthropic首席执行官达里奥·阿莫迪发表长文《我们必须为前沿定速》，主张以第三方永久“员工级”系统访问、检查点和国际协调等手段，放缓最强模型迭代。\n随后，OpenAI首席执行官山姆·奥尔特曼在接受媒体采访时回应“同意定速前沿”，并明确2026年不推进IPO，称安全与对齐未完成前上市“不明智”。\n与此同时，xAI及SpaceX创始人埃隆·马斯克转评“达里奥说得对”，三方罕见形成减速共识。\n9月14日，市场消息显示，包括OpenAI、Anthropic在内的北美头部AI公司已经实际举行会晤，拟对第三方监管机制进行敲定。\n一时间，“AI减速论”成为科技圈最热门的话题。\n“黑箱危机”引发前沿模型不可控担忧\n当前沿模型研究问题的速度快于人们理解它的速度，而前沿模型又不打算等待人类的时候，AI的进步将变成一个失控的黑匣子。\n9月，OpenAI宣布其内部前沿模型（并非GPT-6 Astra）通过约1万个并发AI智能体运行约88个小时，解决了被称为千禧年大奖难题的纳维-斯托克斯存在性与光滑性问题。\n然而在对OpenAI近百页的证明过程进行校验时，人们发现，虽然人类可以通过工具检查形式化结果，但搜索过程、中间推理以及为何选择特定路径的思维过程却完全不可见。\n就在OpenAI发布这一研究结果之后，OpenAI被纽约大学数学家Tristan Buckmaster和Anthropic员工Levent Alpoge指责剽窃，两人声称，在使用OpenAI旗下大模型进行相关研究时，他们向模型传输了其研究路径，而OpenAI则盗用了他们的想法，并最终完成了以上问题的证明。\n对此，OpenAI否认看到未发表的研究工作，但承认是在听到Anthropic进行相关研究后启动了该研究，也不否认两人的工作可能优化了OpenAI的底层知识库。\n随后，该事件在数日内演变为整个科技圈和学术圈的热门话题。业内将其描述为对数学的“存在性转变”，认为人类可能失去对数学研究的优先权，并破坏协作文化。\n紧接着，9月11日，包括陶哲轩、邓煜在内的25位菲尔兹奖得主发表联合声明，警告称AI与数学正在出现严重错位，认为解题过程中的洞察与概念理解被AI淹没，将导致数学研究面临断层。\n在此之前，AI黑箱问题已经在某些领域初露端倪。\n比如，AI目前正朝着简化与去注释化的方向演进。一些研究发现，减少AI输入输出内容中的空格数量和格式代码，减少严谨书面语并全面改用简写，可以将词元消耗数量减少20%~40%。\n由于当前AI大厦的地基——Transformer架构采用的是并行计算，这意味着任何减少上下文的做法都会带来快速递增的边际效益，而让人类方便理解的书写惯例正在被AI批量抛弃——对于AI来说，无时无刻不在影响着其达成目标的效率。\n而从AI经济学的角度来看，人类可能又无法拒绝高达30%的词元节省。\n除此之外，在设定的目标之下，AI模型还会利用修改自我评估、分散用户对错误的注意力等方式绕过受控测试。今年7月，OpenAI披露了一起备受关注的攻击事件，该公司旗下模型为解决一项网络安全问题，通过一系列手段欺骗并削弱了模型的安全护栏，成功攻击了模型托管网站Hugging Face。\n在实际应用中，“黑箱”问题更可能导致严重的后果。\n今年4月，一则关于AI在阿尔茨海默病诊断中的应用案例被广泛讨论：一个名叫Solanki的定制诊疗智能体可以通过阅读病人影像资料来帮助确诊，准确度甚至高于资深医生，但是Solanki无法给医生解释这些结果。\n这构成了一个悖论：我们知道AI的结果也许更可靠，但我们仍不能直接使用它。\nRSI：让AI彻底黑箱化？\n值得注意的是，直到今年上半年为止，大模型企业依然通过人工干预预训练和后训练，利用人为编辑的智能体工具Codex、Claude Code等方式来提升模型的表现。\n但到了下半年，AI企业不再满足于依靠纯人力来提升AI模型的表现。\n今年，Anthropic、OpenAI等公司已经明确表示，他们正在利用“模型研究模型”的方式实现模型迭代。Anthropic声称，旗下大模型Claude已经撰写了其代码库超过80%的代码。\n按照其预判，大模型真正利用RSI（自我递归改进）进行迭代，将在一到两年内实现。\n所谓“RSI”是指AI系统通过自身输出或反馈循环，持续优化其能力、推理或对齐水平，而无需完全依赖人类标注。而与人类训练最大的区别在于，RSI完全以AI来锁定模型迭代的奖励机制，并利用博弈性的强化学习在对抗或协作环境中反复对弈，自动发现策略盲区。\n然而，让AI完成完全自主的训练，相当于剪断了人类对AI大模型最后的控制线：大模型评价的伦理权重何时会让位于效率，改进效果是否会假装对齐，人类将一无所知。\n今年，Anthropic联合创始人杰克·克拉克表示，今天的对齐技术在RSI下可能崩溃，因为AI系统会比人类聪明太多，微小的错误会在循环中累积，并在几十代后导致AI大模型失控。\n而事实上，早在一年前，达里奥就在《可解释性的紧迫性》文章中反复强调，当前人类工程师只能理解模型内部的极小一部分。而一旦RSI加速，大模型提升速度可能远超可解释性进步的速度。他呼吁，在真正让RSI主导模型训练之前，加强对可解释性研究的投入，并对RSI的进度进行限速。\n不过，从目前模型迭代的进度来看，RSI的使用并没有被限制。\n以华尔街视角来看，RSI正在成为算力基础设施投资的新叙事，部分投行认为，若前沿实验室相信“更大规模仍能换来更强模型”，OpenAI、Anthropic、xAI、SSI及Neo-Cloud会接棒传统云厂成为算力资本开支的主力军，持续拉动GPU、存储、光互连与电力设备的需求。","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-14/detail-iniruxus9364783.d.html%3Fvt%3D4%26cid%3D76993%26node_id%3D76993","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 2508 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 2508 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":2508,"summary_length":2508,"usable_text_length":2508,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":2508,"summary_length":2508}},"tags":[],"format_contract_version":"news_item_formats.v1"}}}